Faculté de Médecine de Bejaia

Application des lois de probabilité

-Variable aléatoire discrète-

ANNEE UNIVERSITAIRE
Laoussati M 2018/2019

1
 Sommaire:

1- Loi de Bernoulli:

2- La loi binomiale:

3- Loi de Poisson:

2
 Introduction
Il est toujours possible d’associer à une
variable aléatoire une probabilité et
définir ainsi une loi de probabilité.
Lorsque le nombre d’épreuves
augmente indéfiniment, les fréquences
observées pour le phénomène étudié
tendent vers les probabilités et les
distributions observées vers les
distributions de probabilité ou loi de
probabilité.
3
 Identifier la loi de probabilité suivie
par une variable aléatoire donnée est
essentiel car cela conditionne le
choix des méthodes employées pour
répondre à une question biologique
donnée

4
 1-Loi de Bernoulli:

Une v. a. de Bernoulli est une v. a. qui ne prend

que deux valeurs possibles notées
1 , associée à une probabilité p
et 0 , avec une probabilité 1 p (événement
contraire)
-Sa loi de probabilité définit la loi de Bernoulli de
paramètre p
-Moyenne : p
-Variance : p(1 p)=p q

-Concerne toutes les épreuves binaires :

succès/échec, présence/absence, oui/non,
vrai/faux, malade/non malade
5
 1-La loi de Bernouilli
Une variable aléatoire de Bernouilli a deux réalisations
possibles :
succès X=1, Probabilité de succès : p
échec X=0, Probabilité d'échec : 1-p
Calcul de la Moyenne et la variance

X p(X) Var (X)= ∑ pi(Xi) Xi 2 - [E(x)]2

0 1-p=q
= p(1-p) = p q
1 p
 Var(X)= p q
Somme 1
 E(X) = p
6
 2-La loi binomiale

C’est une expérience aléatoire constituée d’une

suite d’épreuves de Bernoulli indépendantes où
chaque épreuve ne peut conduire qu’aux 2 même
résultats possibles (succès, échec) et où chacun de
ces résultats a la même probabilité de réalisation
d’une épreuve à l’autre

7
 Processus Bernoulli et expérience
binomiale
Propriétés:

1-L’expérience est une série de n tirages identiques

2-Deux événements sont possibles à chaque tirage: succès et
échec
3-La probabilité de succès, notée p, ne se modifie pas d’un
tirage à l’autre. La probabilité d’échec q=1-p ne se modifie
pas non plus
4-Les tirages sont indépendants

Lorsque les propriétés 2,3, et 4 sont satisfaites, on dit que les

tirages sont générés par un processus de Bernoulli. Si la
propriété 1 est également satisfaite, il s’agit d’une expérience
binomiale
8
 2-La loi binomiale

Si une variable aléatoire X représente le nombre de succès

lorsqu’on effectue n épreuves de Bernoulli, alors X obéit à une
distribution binomiale. ( donc sa probabilité est égale à p)

X  Bi (n, p)
Ce qui se lit «X obéit à une loi binomiale de paramètres n, p»
L’intérêt est de connaître le nombre de succès après n tirages

9
 2-La loi binomiale
n = le nombre d’épreuves de Bernoulli
p = la probabilité de succès

Définition mathématique d’une v. a. binomiale :

Une v. a. X qui prend les valeurs entières x telles que
x = 0,1,2,…n pour n entier positif, 0  p  1, q=1-p,
avec les probabilités :

f ( x)  P( X  x)  C xn . p x .q n  x

n!
P( X  x)  B ( x; n, p )  p x (1  p) n  x  Cnx p x (1  p) n  x
x!(n  x )!

s’appelle une v. a. binomiale de paramètres n et10p.

 Distribution binomiale
Paramètres d’une distribution binomiale

Si X est une v. a. binomiale alors :

E ( X )  n. p
VAR ( X )  n. p.q

11
Exemples d’application
Exemple 1:
On lance 7 fois une pièce de monnaie bien équilibrée. 1-
Quelle est la probabilité d’avoir 4 fois face?
2- Calculer l’espérance mathématique E(x) et la variance V(x)
1-Solution:
1- Cette variable suit une loi binomiale de paramètres B(7,1/2).

-a. n=7 (nombre d épreuves avec remise)

-b. les 2 éventualités: P=(succès) q=(échec)
p=1/2 (avoir face) q=1-p=1/2(ne pas avoir face. Avoir pile)
p(x=4)= C7 (0.5)4 (0.5)3 = [7!/4!(7-4)!] (0.5)4 (0.5)3 =0.2734
4

2- Solution: E(x)=n p=7.0,5=3,5

V(x)=n p q=3,5. 0,5=17,5 12
la probabilité que dans une famille de 5 enfants, il y ait au moins 3
Exemple2:
garçons?
Solution: Nombre d’épreuves=5 =n
les 2 issues: Succès: p= 0,51 (avoir un garçon)
Échec : q= 0,49 (avoir une fille)
la variable x suit une loi binomiale de paramètre B(n,p)→ B(5;0,51)
P(x)= Cxn Px q n- x → P(x≥ 3)= P(x=3) + P(x=4) + P(x=5)

P(x≥ 3)= C35(0,51)3 ( 0.49)2 + C45(0,51)4 ( 0.49)1 + C55 (0,51)5

( 0.49)0
= 0,319 +0,162 +0,035 = 0,516

P(x≥ 3)= 1 - P(x < 3)= 1 - [ p (x=0) + p (x=1)+ p (x=2) ]

=1-[C05 (0,51)0 ( 0.49)5+ C15 (0,51)1 ( 0.49)4+ C25 (0,51)2
( 0.49)3]
=1-[ 0,028 +0,148 +0,307 ]= 1-0,4083 =0,517 13
Exemple 3:
Dans les familles de 3 enfants, quelle est la probabilité
d’avoir 2 filles?. La probabilité de naissance d’une fille est
p=0.48
Solution: n=3, x=2, p= 0.48 et q=1-p= 0.52
( 3 2 )
P( X  2)  C (0.48) (0.52)
2
3
2
 0.359
Quel est le nombre moyen de filles et la variance?

Solution: E(X) = n p = 3 (0.48) = 1.44

Var(X) = n p q = 3 (0.48) (0.52)= 0.75

14
Exemple4:

En moyenne, un étudiant sur 20 est daltonien.

1.Quelle est la probabilité qu’il y en ait deux dans une classe de 30 étudiants?
2.Quelle est la probabilité qu’il y en ait au plus deux dans une classe de 30
étudiants?

Solution:

Désignons par X le nombre d’étudiants daltoniens, c’est une variable

aléatoire de paramètres B (n, p) = (30, 1/20 )
La probabilité cherchée est simplement:
1- p (X = 2) = C230 (1/20)2 (19/20)28 = 0,2586

2- p (X ≤ 2) = p (X = 0) + p (X = 1) + p (X = 2) =0,8121

15
3-Loi de Poisson :

Définition mathématique d’une v. a. de Poisson :

Une v. a. d. X qui prend toutes les valeurs entières x telles que x =

0, 1, 2,… avec les probabilités :

 x

p( x)  e
x!
s’appelle une v. a. de Poisson de paramètre λ

16
 I- Définition:

On dit qu’une Variable Aléatoire X suit une Loi de Poisson:

1- Si sa distribution est discontinue ( V.A. Discrète) pouvant

prendre toutes les valeurs possible {0, 1, 2, …i, …... n}

2-Si les probabilités de réalisation de X sont très faibles

La rareté du phénomène dans une Distribution de Poisson ne

peut être défini que lorsque l’effectif étudié est très élevé.

17
II- Paramètres d’une distribution de Poisson:
La rareté du phénomène (p très petit, et q tend vers 1, nous
conduit à une valeur moyenne

E(x)=n p V(x) =n p

E(X)  λ V(X)  λ

18
Application de la loi de Poisson
Exemple1:

Sachant que dans un service d’urgences on accueille en moyenne 5

entorses par week-end, quelle est la probabilité d’observer 3 entorses
au cours du prochain week-end?
• Loi de Poisson, avec λ =5 et x=3
P(X = x) = e. -λ λx /x!
P(X = 3) = e-5 53/3!= 0.14
Exemple2:
Sachant qu’un service d’urgence accueille en moyenne 3 fractures du
membre supérieur par week-end (événement rare),
Quelle est la probabilité pour que ce service accueille le prochain
week-end exactement 3 fractures
=0,22

19
 Exemple 3:

Dans un atelier, le nombre d’accidents au cours d’une année

suit une loi de Poisson de paramètre 5. Calculer la probabilité
des ´événements suivants :

1. Il y a 4 accidents au cours de l’année

2. Il y a 6 accidents au cours de l’année

20